RecodeX 重构消息，Aether AI提出RSIAgent框架，采用经验缩放路线，在不更新模型参数的前提下，让Agent通过自主探索新环境实现递归自我提升。该框架构建由curriculum agent、actor agent和verifier agent组成的多智能体递归闭环，采用先广泛探索建立环境认知地图、再针对性攻克关键难点的两阶段自探索策略，并将稳定的动作—条件—结果因果关系沉淀进Memory供后续复用。

实验显示，RSIAgent可提升Kimi-K3、GLM-5.3等开源模型的Agent能力，在OSWorld 2.0与Agents' Last Exam上超过GPT-6 Astra等闭源模型，并可泛化到游戏开发等场景。